基于分水岭和区域面积加权的粘连枸杞分级方法

针对枸杞分级过程中出现的粘连枸杞分级效率不高、准确性低的缺点,提出了一种基于形态学分水岭和区域面积加权的粘连枸杞分级方法.对粘连的枸杞图像进行形态学预处理消除枸杞烘干晾晒过程中产生的细小噪声,在保持区域轮廓位置不变的同时,尽可能地消除不规则边缘;运用标记极小值的分水岭算法分割图像,依据枸杞红色分量的分布剔除霉变颗粒,对正常枸杞二值图像运用区域面积标记算法扫描标定各个目标获取颗粒的面积,并用霍特林算法获取颗粒的长宽比;以长宽比作为面积的权值对面积加权修正后进行聚类分析,分成3类.实验结果表明:该方法能够较快速、准确地对不同大小的粘连枸杞颗粒进行分类.     

分水岭优化的C-V模型脑肿瘤图像分割

C-V模型可有效对脑肿瘤等医学图像进行分割,但存在对初始轮廓位置敏感及重新初始化耗时的问题,为此,提出了一种分水岭优化的C-V模型脑肿瘤分割方法。首先引入标记函数,通过强制最小技术改善传统分水岭变换的过分割现象,得到粗分割结果,然后在粗分割基础上确定C-V模型初始轮廓位置,最后采用无需重新初始化的C-V模型进行细分割,得到较精确的脑肿瘤分割结果。实例结果表明,经过分水岭优化后的C-V模型能够对常见脑肿瘤图像进行有效分割,尤其是能够将与组织粘连的肿瘤分割出来。